Conduct problems, hyperactivity, and screen time among community youth: can mindfulness help? an exploratory study
Notice bibliographique
Résumé
Background The influence of mindfulness-based intervention (MBI) programs on behavioural problems among community youth is largely understudied. While technology continues to evolve and the prevalence of screen-based activities is rising, limited studies have accounted for screen time when examining the efficacy of an MBI. Accordingly, this study investigated the impact of MBI on conduct problems and hyperactivity among community youth, accounting for sociodemographic characteristics and four types of screen time. Method Linear regression models were used to investigate 1) the association between four types of screen time and behavioural problems (i.e., conduct problems and hyperactivity) and 2) the efficacy of online mindfulness programs in reducing behavioural problems among community youth. The data were collected at baseline, intervention completion and 1-month follow-up (Spring 2021 to Spring 2022) in Ontario, Canada ( n =117, mean age=16.82, male=22%, non-White=21%). Results The average score for conduct problems was within the normal range, while the average score for hyperactivity was considered borderline at baseline. Accounting for other types of screen time, time spent playing video games was significantly associated with increased conduct problems ( β = 1.75, p =.03), albeit rendering non-significant after correcting for multiple comparisons. The online mindfulness program was significantly associated with reduced hyperactivity, controlling for baseline mental health, age, sex and screen time. Conclusion The current findings suggest a 12-week online mindfulness program may play a positive role in reducing hyperactivity even when accounting for screen time. Our findings advocate the evidence base on the efficacy of MBI in managing hyperactivity.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».